Anlise comparativa de mtodos de previso de demanda utilizados

em uma distribuidora de medicamentos

(Artigo a ser submetido Revista Produo)

Alice Senna Pereira dos Santos (UFRGS)

alice.senna@ufrgs.br

Flvio S. Fogliatto (UFRGS)

fflogliatto@producao.ufrgs.br

Resumo
O planejamento e o controle dos estoques tm sido um diferencial competitivo entre as
organizaes e por isso ferramentas e softwares que auxiliem no processo gerencial para
tomada de decises vm sendo frequentemente utilizados pelas empresas. O presente artigo
destaca a importncia da previso de demanda para o dimensionamento dos estoques e
reposio de produtos em uma distribuidora de medicamentos, bem como o impacto de
previses equivocadas em produtos com outliers em suas sries de dados devido a longos
perodos de escassez. A metodologia proposta aborda o tratamento da sries de dados
histricos para a obteno de previses mais acuradas e o dimensionamento ideal do estoque
de segurana dos produtos analisados. Aps o tratamento dos dados, realizou-se a comparao
entre os modelos de previso de demanda sugeridos pelo software da empresa e o software
NCSS. O resultado obtido foi uma melhora nas previses de demanda futuras, medidas
atravs de um indicador desenvolvido neste estudo, e um aumento no estoque de segurana da
empresa, melhorando a reposio dos produtos em anlise.

Palavras-chave: Modelos de previso de demanda, estoque de segurana e tratamento de

outliers.
Abstract
The planning and inventory control have been a competitive differentiator between
organizations and, therefore, tools and software to assist in the managerial decision-making
have often been used by companies. This article highlights the importance of the demand
forecasting for the sizing of stocks and products replenishment, as well as the impact of
erroneous forecasts on products with outliers in their historical data due to long periods of
scarcity. The proposed methodology covers the treatment of historical data series in order to
obtain better predictions and optimal sizing of the safety stock for the analyzed products.
After data treatment, comparisons between the models of demand forecasting suggested by a
companys software and the software NCSS were performed. As a result, it was obtained an
improvement of forecasting for future demands, measured by an indicator developed in this
study, and an increase in safety stock of the company, improving the replenishment of
products being considered.

Key-words: Demand forecasting models, safety stock and treatment of outliers.

1. Introduo

A indstria farmacutica cresce de forma consistente no Brasil nos ltimos anos. Em

2011, esse mercado cresceu 19% e atingiu 38 bilhes de reais em vendas. Com as crescentes
polticas sociais, o aumento da distribuio de renda no pas e a ampliao do acesso sade,
a consultoria Intercontinental Medical Statistics (IMS) Health (IMS, 2013) estima que at
2017 o mercado farmacutico Brasileiro atinja 87 bilhes de reais em vendas. Outro fator
importante, que poder impulsionar o aumento nas vendas no Brasil, a perda de patentes de
aproximadamente 1 bilho em volume de vendas de produtos nos prximos quatro anos (IMS,
2013).

Com essa projeo de crescimento do mercado farmacutico, a anlise e a previso de

demanda tm ocupado destacado papel nas organizaes deste setor, j que a manuteno e
dimensionamento ideal do estoque pode representar um diferencial competitivo para a
empresa (MANCUZO, 2003). A previso de demanda pode revelar, ainda, tendncias de
mercado e auxiliar em tomadas de decises mais complexas e precisas (RIBEIRO e
WERNER, 2003).
 Visando a qualidade, a produtividade e o atendimento ao cliente, os mtodos de previso
de demanda tornam-se ferramentas importantes para auxiliar no planejamento e alocao dos
recursos necessrios empresa. Atualmente, a utilizao de softwares para melhor gerenciar a
cadeia de suprimentos tem sido cada vez mais comum. Entretanto, a maioria dos mtodos de
previso de demanda analisa as informaes utilizando uma nica tcnica de previso, o que
pode no ser suficiente para uma anlise completa do mercado, pois na sua atual
circunstncia, necessrio utilizar quaisquer informaes que se encontrem disponveis
(RIBEIRO e WERNER, 2006).

Desta forma, a fim de obter o melhor modelo estatstico que proporcione o menor erro
possvel, a previso de demanda pode ser realizada de forma quantitativa, qualitativa ou por
combinao de ambos (PELLEGRINI e FOGLIATTO, 2001). Segundo Werner (2004), a
combinao de previses utilizada com o ajuste baseado na opinio mais flexvel, e assim
mais adequada, quando as condies de previso mudam e no podem ser explicadas por uma
srie de dados histricos.

Contudo, possvel perceber o pouco conhecimento das empresas no que se refere s

tcnicas de previso de demanda. Portanto, fundamental o maior aprofundamento na
discusso dessas tcnicas, a fim de otimizar os ajustes realizados por interveno humana.

O objetivo deste trabalho comparar os mtodos de previso de demanda utilizados pelo

software de uma distribuidora de medicamentos em produtos que com sries histricas
prejudicadas, devido a frequentes perodos de escassez. O resultado esperado para o trabalho
uma lista de deficincias identificadas no software de gesto de estoques utilizado pela
empresa, acompanhada de proposio de melhorias.

O artigo est dividido em 4 sees, alm desta introduo. Na seo 2 realizada a

reviso bibliogrfica que apresenta conceitos sobre modelos de gesto de estoques por
reposio peridica, previso de demanda e tratamento de dados esprios. Na seo 3
apresenta-se a metodologia utilizada para o desenvolvimento deste artigo, enquanto que a
seo 4 apresenta a discusso e os resultados obtidos. As concluses do trabalho so descritas
na seo 5.

2. Referencial Terico

O gerenciamento eficaz dos estoques fundamental para que a empresa atinja seu pleno
potencial em qualquer cadeia de valor. Esse gerenciamento requer informaes sobre as
demandas esperadas, os volumes de estoque disponveis, e o volume e momento de realizar
novos pedidos (KRAJEWSKI et al., 2008).

Desta forma, esse referencial terico limita-se ao modelo de gesto de estoques por
reposio peridica e modelos tradicionais de previso de demanda, j que so os modelos
utilizados pela empresa analisada, para posteriormente sugerir melhorias na utilizao destas
informaes.

2.1. Modelo de Gesto de Estoques por Reposio Peridica

Existem dois modelos bastante difundidos de gesto de estoques: o de reposio por

reviso contnua (RC) e por reviso peridica (RP). Cada modelo possui vantagens e
desvantagens em relao ao outro, e sua escolha depende das caractersticas dos itens em
estoque e do contexto em que esto inseridos (SILVA et al., 2011). A diferena entre esses
modelos est centrada no perodo de reviso e nas quantidades de reposio (ELSAYED &
BOUCHER, 1994).

Na gesto dos estoques, os nveis de estoque devem ser revistos para evitar a escassez do
produto, provocada em razo de maior demanda, ou excessos, decorrentes de sua reduo.
Alm disso, oscilaes nos tempos de reposio tambm provocam fortes impactos nos nveis
de estoque (GARCIA et al., 2009).

Mesquita e Sandrini (2008) verificaram, atravs de estudos experimentais, que o aumento

da variao na demanda ocasiona em um maior estoque de segurana para acomodar as
incertezas dele decorrentes. Segundo Krajewski et al. (2008), no momento em que se dar a
recomendao de compra, o sistema determina a reposio do estoque considerando o
intervalo de reposio, o lead time, o estoque atual, o estoque de segurana e o estoque em
trnsito (isto , a pendncia de compra que ainda ser entregue).

No modelo em que o monitoramento do estoque realizado periodicamente, em intervalos

fixos de tempo, o estoque mdio tende a ser mais elevado, pois deve atender as flutuaes de
demanda ocorridas entre a colocao dos pedidos, alm de oscilaes no lead time de entrega
do produto (SILVA et al., 2011).

A reposio peridica estabelece uma rotina de anlise e, por isso, esse sistema pode ser
encontrado com frequncia em empresas que comercializam um grande nmero de itens. O
sistema de RP estabelece que um novo pedido deva ser colocado ao final de cada reviso,
aps um intervalo de tempo determinado pelo nvel de estoque definido como meta pela
empresa (KRAJEWSKI et al., 2008).

Em um sistema de RP, o tamanho do lote pode variar entre os pedidos; porm, o intervalo
de tempo entre eles so fixos. A colocao do pedido aps o intervalo realizada a fim de
aumentar o nvel de estoque, de acordo com a quantidade definida como meta e essa deve ser
suficiente para atender a demanda at a chegada do novo pedido (KRAJEWSKI et al., 2008).

Alm da determinao do lote de compra, outra varivel importante em um sistema de RP

a quantidade do estoque de segurana, que considera a soma das variabilidades no lead time
e na demanda no intervalo entre a colocao dos pedidos (KRAJEWSKI et al., 2008). A
Tabela 1 apresenta as equaes para o clculo do lote econmico e do estoque de segurana
em um sistema de RP (KRAJEWSKI et al., 2008).

Tabela 1 Frmulas para clculos

Tamanho do lote do
Q i = T - NE i
Ciclo i
Estoque de Segurana ES = z P+L

Fonte: Adaptado de Krajewski et al. (2008).

Na Tabela 1, Qi o tamanho do lote no ciclo i, T designa o estoque alvo, NEi o nvel de

estoque no ciclo i, P+L o desvio padro da demanda durante o intervalo de proteo, sendo
este intervalo referente ao tempo de lead time e o tempo de colocao entre cada pedido e, z
nmero de desvios-padres acima da demanda mdia para o qual se deseja oferecer proteo
ao sistema durante o intervalo de proteo.

O estoque de segurana calculado a fim de proteger o sistema de estoques contra

incertezas devidas a oscilaes na demanda, no lead time e na regularidade do fornecimento
(DROHOMERETSKI et al., 2009). Estoques de segurana dimensionados equivocadamente
podem ocasionar desperdcio de recursos e capital ou, at mesmo, queda no nvel de servio
da empresa. Tradicionalmente, o estoque de segurana pode ser calculado considerando a
variabilidade na demanda, no lead time de entrega e no erro de previso de demanda.
2.2. Modelos Tradicionais de Previso de Demanda

A previso de demanda uma atividade indispensvel no processo de controle e

planejamento de diversas reas de gesto nas organizaes e por isso vem ocupando um papel
estratgico nas empresas. De acordo com Slack et al. (2007), a previso pode apresentar
dificuldades em ser realizada mesmo quando possvel identificar um padro nas vendas do
item sob anlise, pois eventos inesperados podem alterar a demanda repentinamente.

Flutuaes de demanda decorrentes de negcios e promoes, perodos de escassez e

migraes de demanda entre produtos, avanos tecnolgicos, mudanas climticas e
concorrncia global exercem forte presso sobre a acurcia das previses realizadas pelas
organizaes. Com o objetivo de contornar essas variaes, diferentes modelos de previso de
demanda foram desenvolvidos para que as empresas identifiquem qual o modelo mais vivel
a sua condio.

Os modelos de previso de demanda podem ser divididos em qualitativos e quantitativos.

Modelos qualitativos se baseiam na intuio e no julgamento humano e, por isso, so mais
vulnerveis e sujeitos a erros, o que compromete a confiabilidade dos resultados. Modelos
quantitativos baseiam-se em uma sequncia de dados ordenada ao longo do tempo. Essa
sequncia tratada como uma srie temporal e, atravs desse histrico, pode ser possvel
determinar a tendncia de comportamento da demanda que se manter no futuro atravs de
um modelo matemtico (PELLEGRINI e FOGLIATTO, 2001).

Segundo Krajewski et al. (2008), na anlise de srie temporal as informaes histricas

so utilizadas para identificar padres de demandas, a fim de replic-las no futuro. Neste
artigo, sero descritos os mtodos de sries temporais adequados para a modelagem de
padres tradicionais de demanda, a saber: horizontal, tendencial e sazonal.

A demanda caracterizada por um padro horizontal apresenta uma variao aleatria dos
valores em torno de um valor de mdia. O padro tendencial ocorre quando os valores
histricos apresentam uma tendncia de crescimento ou decrscimo no tempo. O padro
sazonal ocorre quando h periodicidade nos valores da srie em intervalos fixos de tempo
(KRAJEWSKI et al., 2008).

A demanda caracterizada por um padro horizontal pode ser modelada atravs do clculo
de mdias mveis simples ou ponderadas. O modelo da mdia mvel simples estima apenas a
mdia aritmtica dos valores observados em uma janela de tempo definida pelo usurio para
se obter uma previso para o prximo perodo. Assim que um perodo novo for calculado,
este substituir o perodo mais antigo. Apesar da simplicidade do clculo, esse mtodo
mostra-se eficaz ao ser utilizado em sries que no apresentam tendncia ou sazonalidade, ou
seja, quando os valores assumidos flutuam em torno de uma mdia constante (KRAJEWSKI
et al., 2008).

O modelo de mdia mvel ponderada semelhante ao anterior, entretanto cada valor de

demanda histrica poder apresentar um peso especfico de importncia. A vantagem desse
modelo est em colocar pesos mais altos em perodos mais prximos, para identificar
possveis situaes de tendncia na srie de dados (KRAJEWSKI et al., 2008).

Uma famlia de modelos de previso, denominados de suavizao exponenciais, so

vastamente utilizados na caracterizao de sries de demanda com os trs tipos de padres
mencionados anteriormente. Os modelos de suavizao exponencial atribuem uma
ponderao distinta para cada valor da srie temporal de demanda, de forma que pesos mais
altos costumam ser alocados a perodos mais recentes da srie (PELLEGRINI &
FOGLIATTO, 2001). A famlia de modelos de suavizao exponencial divide-se em trs
modelos: suavizao exponencial simples, suavizao exponencial dupla (ou modelo de Holt)
e suavizao exponencial tripla (ou modelo de Holt-Winters). Esses modelos so brevemente
apresentados na sequncia.

A suavizao exponencial simples faz uso do erro de previso do perodo anterior para
ajustar a previso do perodo futuro. O valor da constante de suavizao pode ser obtido
atravs da mdia do quadrado dos erros, assumindo valores de zero a um (PELLEGRINI &
FOGLIATTO, 2001).

Utilizado em sries temporais que apresentam tendncia linear, o modelo de suavizao

exponencial dupla, ou de Holt, utiliza duas constantes de suavizao, uma para a estimativa
do nvel e a outra para a inclinao da srie temporal. Os valores das constantes de suavizao
podem ser calculados conforme sugerido para o modelo de suavizao simples
(PELLEGRINI & FOGLIATTO, 2001).

O modelo de suavizao Exponencial de Holt-Winters utilizado na caracterizao de

sries que apresentam sazonalidade, alm da tendncia linear. Sries sazonais so aquelas que
possuem padres cclicos de variaes, repetidos sempre em um mesmo perodo. O modelo
de Holt-Winters pode ser dividido em dois grupos: aditivo ou multiplicativo; para cada caso,
sero calculadas de formas diferentes a previso, o nvel, a tendncia e a sazonalidade
(PELLEGRINI & FOGLIATTO, 2001).

2.2.1. Tratamento de valores esprios em sries de dados de demanda

Um fator importante que ainda deve ser considerado para o melhor desempenho da
previso de demanda so os erros de previso ocorridos devido dificuldade no tratamento de
valores esprios ou atpicos (tambm denominados outliers). Esses valores podem ser gerados
por promoes espordicas, falta de produtos, erros de informao e oscilaes de mercado.

Os modelos de previso de demanda tradicionais so impactados negativamente pela

presena de valores esprios na srie de dados de demanda, quando estes valores no so
relacionados a eventos peridicos. Mesmo aps sua retirada da srie, eles podem ainda
impactar em erros nas previses geradas pelos modelos, dependendo da estratgia de
substituio adotada para o valor esprio.

Segundo Pellegrini (2000), alguns procedimentos so fundamentais no tratamento de

valores esprios. O autor sugere que quando for observado um outlier e houver valores
suficientes para gerar um modelo de previso utilizando a poro da srie que antecede o
valor esprio, este dever ser substitudo pela previso correspondente ao mesmo perodo,
sendo o outlier original ento excludo da srie de dados. Entretanto, quando no houver
dados suficientes para a substituio dos valores esprios, Pellegrini (2000) sugere a
substituio pelo valor mdio das observaes imediatamente adjacentes para, ento, gerar o
modelo de previso para esta srie.

importante ressaltar que, mesmo com o tratamento desses valores, podem ocorrer erros
nas previses geradas pelo modelo estatstico. Por isso, Krajewski et al. (2008) sugerem que
um dos critrios a ser utilizado para orientar a seleo dos valores dos parmetros necessrios
na escolha do mtodo de previso de demanda seja a medio dos erros de previso ocorridos
no perodo de anlise.
3. Procedimentos Metodolgicos

Nesta seo realizado o estudo do mtodo utilizado para o desenvolvimento da pesquisa

apresentada neste trabalho. Para tanto, a seo est dividida em descrio do cenrio, mtodo
de pesquisa e estudo de caso.

3.1. Descrio do Cenrio

O trabalho foi realizado em um grupo de empresas empresarial atuante principalmente na

regio sul do Brasil. O grupo constitudo por uma distribuidora de medicamentos, uma rede
de farmcias e um laboratrio de produtos oficinais. O foco deste trabalho est na
distribuidora que, atualmente, possui trs centros de distribuio (CD) e atende tanto o varejo,
constitudo pela rede de farmcias pertencentes ao grupo, quanto o atacado, constitudo por
outras diversas farmcias na regio sul. A pesquisa trata da atividade desempenhada por
analistas de estoques nos ajustes de previso de demanda para realizao de pedidos de
compras e, por isso, envolve o setor de Compras e o setor de Gesto de Estoques.

Atualmente, a empresa dispe de um software de previso de demanda que calcula,

atravs de modelos de previso, a venda no ms dos produtos que so trabalhados por ela.
Esse recurso gerenciado pelo setor de Gesto de Estoques e disponibiliza informaes de
venda e estoque nos centros de distribuio, auxiliando os setores de Compras e Gesto de
Estoques no controle das necessidades de compras e no balanceamento dos estoques, de
acordo com a venda futura. No entanto, mesmo com a utilizao desse software, possvel
observar algumas deficincias no processo e, por isso, fundamental o gerenciamento da
ferramenta por analistas de estoques.

As deficincias encontradas, e que justificam o estudo, so principalmente quanto falta

de estoques. A escassez no abastecimento e o atraso no recebimento de mercadorias so
alguns dos fatores que interferem nos clculos realizados pelo software para a reposio de
produtos e para o clculo do seu estoque de segurana.

3.2. Mtodo de Pesquisa

O mtodo de pesquisa de natureza aplicada, pois objetiva gerar novos conhecimentos

atravs da teoria para a soluo de problemas especficos. Alm disso, uma pesquisa de
abordagem quantitativa, pois traduz em nmeros as informaes obtidas para posterior
anlise.

A pesquisa desenvolvida tem carter exploratrio, pois visa proporcionar maior

entendimento do problema, a fim de torn-lo explcito atravs da anlise e comparao de
exemplos que estimulem a compreenso. Sendo assim, o procedimento utilizado, ser um
estudo de caso, seguindo as etapas de definio do problema, definio dos produtos a serem
analisadas, coleta de dados, anlise e comparao dos dados e anlise do clculo do estoque
de segurana.

3.3. Estudo do mtodo de trabalho

Nessa seo ser caracterizado o estudo do mtodo de trabalho, atravs da descrio das
etapas realizadas para o desenvolvimento dessa pesquisa. Sero comparados os modelos
tradicionais de previso de demanda, mencionados na seo anterior, conforme as etapas da
Figura 1.

Figura 1 Etapas do mtodo de trabalho

3.3.1. Definio do problema

A problemtica a ser analisada neste trabalho a avaliao dos modelos de previso de

demanda selecionados automaticamente pelo software utilizado no gerenciamento da
demanda e reposio dos estoques de uma distribuidora de medicamentos, especialmente em
cenrios onde h escassez de recursos. Nesses casos, o software tem-se mostrado deficiente
nas previses de demanda sugeridas, o que impacta diretamente no clculo realizado para o
estoque de segurana, gerando uma recomendao de compras subestimada.

3.3.2. Definio dos produtos

A escolha dos produtos a serem analisados ser realizada a partir da classificao ABC.
Nesta anlise ser considerado apenas o volume de vendas na composio da varivel
classificatria. Entretanto, por ser um nmero bastante elevado de produtos em cada uma das
classes, ser aplicada uma nova classificao para os itens classe A, a fim de identificar os
produtos AA. Ainda ser considerada a opinio dos analistas do setor de Gesto de Estoques
na indicao de produtos que apresentem dificuldades quanto reposio, a fim de reduzir o
nmero de itens para uma anlise mais detalhada.

3.3.3. Coleta de dados

Sero coletados dados histricos de venda e estoque dos ltimos 33 meses para anlise e
posterior comparao. Os perodos em que no houver vendas, devido a escassez dos itens
demandados sero substitudos pela informao de venda ocorrida no mesmo perodo do ano
anterior. Os outliers, devidos a picos de venda, tambm sero corrigidos da mesma forma.

Para anlise do impacto gerado pelo ajuste de previso no clculo do estoque de

segurana, sero coletados os valores do estoque de segurana calculado pelo software da
empresa para posterior anlise.

3.3.4. Anlise e comparao dos dados

Inicialmente, a anlise dos dados histricos ser realizada a partir de sua representao
grfica para identificao de valores esprios e perfil de venda, determinando possveis
padres de tendncia e sazonalidade. Desta forma, pretende-se obter informaes para a
escolha manual do melhor modelo estatstico de previso de demanda utilizando o software
NCSS. A escolha deste programa deve-se a sua interface didtica e de fcil utilizao.

Na sequncia, ser realizada a comparao do modelo selecionado automaticamente pelo

software da empresa e o selecionado atravs do NCSS. Alm disso, ser avaliada a qualidade
do ajuste dos modelos aos dados atravs dos resduos dos valores preditos, do coeficiente de
determinao e do mean absolute percentage error (MAPE), indicador utilizado pelo
software da empresa. Tais indicadores sinalizam o modelo de previso de demanda mais
adequado para a srie de dados.

3.3.5. Anlise do clculo do estoque de segurana

Nessa etapa, ser analisado o clculo do estoque de segurana e os componentes de

variabilidade utilizados pela empresa. Esta anlise prope adequar o estoque de segurana
realidade da empresa e minimizar as faltas ocasionadas por previses de demanda
subestimadas.

4. Resultados

Nesta seo so discutidos e expostos os resultados obtidos atravs da aplicao das 5

etapas do mtodo de trabalho.

4.1. Definio do problema

A problemtica da empresa foi identificada por analistas do setor de Gesto de Estoques

em que a necessidade de interveno humana nas previses de demanda, realizada pelo
software atual da empresa, se tornava cada vez mais frequente. Isso porque (i) a escassez no
abastecimento de determinados produtos, devido a rupturas no fornecedor, aes de venda ou
outliers, e (ii) grandes variaes nos tempos de entrega provocavam o dimensionamento
equivocado de parmetros e, consequentemente, uma recomendao de compra subestimada.

O entendimento do software da empresa quanto aos perodos de escassez gera previses

de demanda subestimadas, pois a venda no est ocorrendo, impactando diretamente no valor
do estoque de segurana, gerando um ciclo de reposio dos produtos continuamente
prejudicado.

4.2. Definio dos produtos

A empresa j possui uma classificao ABC para todos os seus itens trabalhados, que
considera volume de venda e preo. Entretanto, para fins de anlise de impacto na quantidade,
foi necessria uma nova classificao que considerasse apenas o volume de vendas em
unidades. Isso porque percebeu-se, em 30 dias de acompanhamento das atividades dos
analistas do setor, que a necessidade de ajustes de previso de demanda nos produtos com alto
giro foi mais frequente do que para produtos com alto valor agregado, mas de baixo giro.
Desta forma, o nmero encontrado de itens classe A foi de aproximadamente 1.000 itens. O
perodo considerado para anlise de venda e posterior classificao ABC compreendeu 90
dias de venda.
Conforme previsto, o volume de itens para anlise foi bastante superior e para reduzir este
volume foi realizada uma nova classificao, somente para os produtos A, a fim de identificar
aqueles pertencentes classe AA.

4.3. Coleta de dados

A coleta dos dados histricos dos ltimos 33 meses de venda e estoque foi realizada
somente para os itens classe AA, identificados na seo anterior. Neste momento, houve a
anlise das informaes para escolha dos 2 itens que apresentaram histrico de faltas mais
frequentes e giro alto como sendo potenciais produtos com previses subestimadas. A opinio
dos analistas do setor tambm foi considerada para o direcionamento de itens com deficincia
nas previses de demanda. A partir destas informaes foi possvel realizar a escolha dos
produtos para anlise.
Nesta etapa, os dados histricos de demanda dos produtos selecionados para anlise foram
tratados de forma que os perodos de escassez (isto , com demanda zero) fossem substitudos
pela mdia das observaes adjacentes. Os perodos sem venda e sem dados adjacentes foram
substitudos pela venda ocorrida no mesmo perodo do ano anterior.
Ainda foram coletadas as quantidades referentes ao estoque de segurana dos itens em
anlise para, aps o tratamento dos dados, analisar o impacto gerado devido aos ajustes de
previses.
A nomenclatura utilizada neste artigo para identificar os produtos de anlise ser P1 e P2,
e para o software da empresa ser S1. O software de teste NCSS ser identificado com seu
prprio nome. Os resultados das anlises realizadas sero detalhados nas sees a seguir.

4.4. Anlise e comparao dos dados

Nesta etapa foi realizado o tratamento dos dados coletados na seo anterior. Desta forma,
as observaes de venda e estoque foram agrupadas em pares para que os dias sem venda,
devido escassez de estoque e, picos de venda de demandas reprimidas neste perodo fossem
identificados e tratados pontualmente para maior acurcia dos dados e percepo do
comportamento de venda dos produtos selecionados.
O tratamento das informaes foi realizado por dia; entretanto, para fins de anlise,
reduo do nmero de observaes e avaliao dos mtodos de previso de demanda foi
realizado o agrupamento em meses, da mesma forma como trabalhado pelo software da
empresa. A Figura 2 mostra o perfil de venda do produto P1, a partir dos dados de venda
realizados no perodo de 33 observaes e, em seguida, na Figura 3, o resultado obtido pelo
tratamento da informao nos perodos de falta.

Figura 2 Perfil de venda realizado P1

Figura 3 Perfil de venda tratado P1

Na anlise das figuras possvel perceber que, a partir da 24a observao da Figura 1 o
produto apresentou uma forte reduo nas vendas, tendendo a zero nos perodos de escassez,
seguido de um pico de venda devido demanda reprimida no perodo, quando houve a
entrada do item no estoque. Aps o tratamento dos dados, observa-se que as variaes da
demanda reduzem significativamente ao final do perodo de anlise, sendo possvel perceber
que o produto apresenta regularidade na demanda, proporcionando dados mais confiveis para
uma anlise mais assertiva e escolha do mtodo de previso de demanda mais adequado. A
tendncia de vendas apresentada no produto P1 no prope sazonalidade e, por isso, os testes
sero realizados com os modelos de Suavizao Exponencial Simples e Dupla (Modelo de
Holt).
O tratamento dos dados do produto P2 foi realizado de forma diferente, j que h uma
alterao nos nveis de demanda deste produto. Desta forma, os perodos de escassez foram
tratados somente pela mdia das observaes adjacentes e repetidos em perodos que no
houve adjacncias. As Figuras 4 e 5 permitem realizar a anlise do resultado obtido para a
determinao do perfil de venda deste produto.

Figura 3 Perfil de venda realizado P2

Figura 4 Perfil de venda tratado P2

 O produto P2 apresentou mais dias de escassez ao longo do perodo analisado do que P1,
isso porque a demanda deste produto aumentou e a reposio no ocorreu de forma adequada,
apresentando diversos dias de ruptura e prejudicando a srie de dados. Neste perfil de venda
observa-se que nos perodos entre 12 e 20, houve o crescimento da venda seguido de rupturas,
porm em nveis superiores ao realizados nas observaes anteriores. Para fins de modelo de
previso, a srie de dados de P2 foi truncada e foram utilizados somente os dados a partir da
observao 12, pois neste momento a srie apresenta mudana de nvel de venda. Analisando
o perfil de venda possvel testar os mesmos modelos utilizados na modelagem de P1.
A determinao do perfil de venda de cada produto, aps o tratamento dos dados,
fundamental para elencar os modelos de previso de demanda mais adequados para serem
testados e escolhidos de acordo com os resultados dos valores do e do MAPE, que foram
os critrios selecionados neste estudo para escolha do melhor modelo.
Para a realizao dos testes de previso de demanda no NCSS foram utilizadas 33
observaes, sendo 30 dados histricos e as demais previses. Desta forma, o horizonte de
planejamento foi de 90 dias, para manter o mesmo critrio utilizado pelo software da empresa.
No software S1 estes produtos apresentaram o mesmo modelo de previso de demanda
(Suavizao Exponencial Simples). Durante o acompanhamento das atividades dos analistas
foi possvel perceber que esse era o modelo mais frequentemente escolhido em produtos que
apresentaram muitos perodos de falta.
Na Tabela 2 tem-se o comparativo entre os resultados obtidos em cada modelo no NCSS e
pelo software S1 da empresa. Para melhor comparar os mtodos foi desenvolvido um
indicador que permite avaliar a eficincia de cada modelo. A proposta de uso desse indicador
busca o maior resultado entre a diviso do coeficiente de determinao e o quadrado do
valor de mean absolute percentage error (MAPE) para identificar qual seja o melhor modelo
a ser utilizado na obteno das previses futuras de cada produto.
O e o MAPE foram escolhidos na composio do indicador por proporcionarem
informaes quanto qualidade do ajuste e o erro entre a previso de demanda e a venda
realizada. Alm disso, o MAPE o indicador utilizado pelo software S1 e o o indicador
utilizado pelo NCSS. Esses indicadores foram medidos e calculados a partir das informaes
de venda j tratadas, pois o MAPE gerado por S1 prejudicado devido falta, j que a
previso e o realizado tornam-se muito prximos de zero.
 Tabela 2 Indicadores de previso

Suavizao Exponencial Suavizao Exponencial

Indicador
Simples (S.E.S.) Dupla/Holt (S.E.D.)

R2 MAPE R2 MAPE S.E.S. S.E.D.

P1 0,20 0,11 0,22 0,12 16,53 15,28
NCSS
P2 0,83 0,21 0,85 0,20 19,13 21,25
P1 0,11 0,99 - - 0,11 -
S1
P2 0,01 0,89 - - 0,01 -

Analisando os resultados obtidos dos testes, observa-se que os valores encontrados para o
e o MAPE ainda no so os ideais (principalmente para P1), mas j possvel verificar
melhora na qualidade das previses. Desta forma, o melhor resultado obtido para o P1 foi
observado no modelo de Suavizao Exponencial Simples e para P2 no modelo de
Suavizao Exponencial Dupla, correspondendo aos modelos com maior resultado no
indicador composto.
Em sries de dados com comportamentos de vendas estranhos e histricos prejudicados,
dificilmente ser possvel eliminar a interveno humana na busca de previses mais precisas.
Os casos exemplificados neste estudo mostram produtos que apresentam este tipo de
comportamento, j que possuem uma srie histrica de faltas frequentes e mesmo com a
melhora nas predies futuras, aps o tratamento dos dados, a previso de demanda ajustada
manualmente apresenta erros ainda menores.
Para ambos os produtos, a escolha do modelo de previso de demanda realizado por S1 foi
de Suavizao Exponencial Simples, apresentando reduo na demanda nas ltimas
observaes devido falta e gerando uma demanda prevista para o horizonte de planejamento
prxima de zero. Analisando a previso fornecida pelo software S1, percebe-se que o valor
estimado para o parmetro de suavizao alfa () =1, o que gera previses para o futuro
igual ao ltimo valor observado da srie histrica.
A definio do valor ideal deste parmetro pode ser realizada atravs de otimizao. Sabe-
se que valores maiores de resultam em previses mais sensveis e valores menores em
previses mais estveis, com melhor aproveitamento das informaes contidas na srie
histrica de demanda. Entretanto, o parmetro estimado pela empresa terceirizada
proprietria do software S1 e no pelo setor de Gesto de Estoques, o que dificulta um
gerenciamento e anlise que busque melhorar as previses de demanda sugeridas e
potencializa a importncia de analistas com dedicao para ajustes manuais de previso de
demanda.

4.5. Anlise do clculo de estoque de segurana

A variabilidade na demanda, os tempos de espera para entrega de produtos e as rupturas

de mercadorias nos fornecedores so fatores de difcil previso e, por isso, o
dimensionamento correto do estoque de segurana torna-se to importante. A determinao
do nvel ideal do estoque de segurana implica em encontrar o equilbrio entre o nvel de
atendimento do cliente (nvel de servio) e o custo de manuteno do estoque.
Nesta seo proposta a anlise do clculo atual do estoque de segurana da empresa, a
fim de melhorar a sugesto de compras de itens que apresentam faltas frequentes j que, como
apresentado na seo anterior, o software S1 se mostra ineficiente nestes casos.
A frmula utilizada atualmente para o clculo do Estoque de Segurana da empresa
considera a incerteza da demanda, a variabilidade dos prazos de entrega e o nvel de servio
desejado, conforme apresentado na Figura 5. Para anlise de impacto gerado pelos ajustes de
previso de demanda, os testes foram realizados com o mesmo clculo j existente na
empresa.

(1)

Onde k a constante de nvel de servio, v o desvio-padro de vendas, LTmdio o lead

time mdio de entrega, LT o desvio padro do lead time de entrega e ddv a mdia da
demanda.

Inicialmente, foram ajustadas manualmente as previses dos produtos que apresentaram

pelo menos 20 dias de falta no ltimo ms. Estes produtos apresentaram previses de
demanda para os prximos 3 meses muito inferiores ao histrico de venda apresentado nos
perodos de estoque. O impacto gerado apenas pelo ajuste das previses de demanda, ou seja,
nos valores de ddv, foi um incremento em unidades de 10,6% na quantidade atual do estoque
de segurana desses produtos, representando aumento de 0,9% no valor do estoque de
segurana total da empresa. Os itens analisados tiveram um aumento de quase 4 vezes no
nvel de estoque de segurana, se comparado com a quantidade atualmente mantida. Esse
resultado fez com que fosse analisado o clculo do estoque de segurana, pois o impacto nos
produtos com faltas frequentes representativo.
A empresa tem como poltica trabalhar com valores de nveis de servio superiores a 95%
na maioria de seus produtos, o que implica em trabalhar com valores de k entre 1,64 e 3,72.
O resultado obtido dos ajustes de previso mostra a relevncia do tratamento das
informaes de estoque e histrico de vendas para projees futuras e reposio das
mercadorias.

5. Consideraes finais

O crescimento do mercado consumidor de medicamentos tem impulsionado o aumento

nos nveis de venda da indstria farmacutica no Brasil. Por isso, importante que as
distribuidoras que participam da cadeia produtiva deste ramo desenvolvam seu planejamento
de produo de forma eficiente. Uma previso de demanda acurada proporciona informaes
importantes para tomada de deciso das empresas e para o desenvolvimento de suas
estratgias de negcios. Cada vez mais as empresas desenvolvem setores com analistas
especializados na manuteno e gerenciamento de softwares de cadeia de suprimentos, j que
em diversas situaes a utilizao de uma nica tcnica de previso de demanda pode
apresentar limitaes na utilizao das informaes histricas de demanda.
Neste cenrio, o presente artigo foi desenvolvido em uma distribuidora de medicamentos.
Atravs de exemplos prticos, buscou-se apresentar a importncia da previso de demanda no
planejamento da organizao, bem como o impacto gerado por previses subestimadas na
reposio dos produtos e nas previses futuras. Desta forma, apesar de cada vez mais as
empresas utilizarem o auxlio de softwares para obterem previses de demanda e determinar
momentos e quantidades de reposio de produtos, a interveno humana, que proporciona
uma anlise crtica dos resultados, fundamental para obter previses de demanda mais
assertivas, onde modelos matemticos de previso de demanda no se mostram eficientes.
O trabalho mostrou resultados positivos quanto necessidade de ajustes de previso e
qualidade do tratamento das informaes, bem como quanto aos impactos gerados por estes
ajustes no clculo de estoque de segurana. Entretanto, foram observadas diversas
oportunidades de melhorias no que se refere ao software S1, descritas a seguir.
Como sugesto para futuros estudos, sugere-se o desenvolvimento de um indicador no
software da empresa capaz de mensurar os erros de previses a partir do MAPE, utilizado
com a informao da previso ajustada. Conforme o estudo deste artigo, em casos onde h
escassez recorrente ocorrem erros de previses e grandes distores no indicador de
acompanhamento de erros de previso da empresa (MAPE), dificultando a identificao de
produtos em falta j que a previso calculada pelo software fica muito prxima a zero. Alm
disso, sugere-se maior autonomia do setor de Gesto de Estoque para o gerenciamento dos
parmetros dos modelos de previso de demanda, pois estes parmetros so modelados pela
empresa do software S1 e, somente em situaes especficas, h interveno do setor de
Gesto de Estoques.
O tratamento mais eficiente das informaes de estoque tambm se mostrou muito
importante na qualidade do processo de reposio dos produtos, o que indica a necessidade da
avaliao humana em sries de informaes em que o perfil de venda do produto no
identificado com facilidade.

6. Referncias

DROHOMERETSKI, E.; FALCI, F.S.M.G.; FAVARETTO, F. Modelo de controle de

estoque para peas de reposio: o caso de uma indstria de equipamentos para refrigerao
da grande Curitiba. Revista Inovao Gesto e Produo - INGEPRO, p. 104-115, 2009.

ELSAYED, E.; BOUCHER, T. Analysis and Control of Production Systems. 2. ed., New
Jersey: Prentice-Hall, 1994.

GARCIA, L. C.; PEREIRA, M.; OSRIO, W. R. Gesto dos parmetros de estoque: estudo
de caso de itens de medicamentos em farmcias hospitalares e convencionais. Revista Gesto
Industrial, v. 5, n. 1, 2009.

IMS Health. Saiba o que impulsiona o Mercado Farmacutico Brasileiro. Disponvel em:
http://www.imshealth.com/portal/site/ims/menuitem.d248e29c86589c9c30e81c033208c22a/?
vgnextoid=5f0ceb6973858310VgnVCM10000076192ca2RCRD. Acesso em: 29 mar. 2013.

KRAJEWSKI, L.; RITZMAN, L.; MALHOTRA, M.; Administrao de Produo e

Operaes. 8. ed. So Paulo: Prentice-Hall, 2008.

MANCUZO, F. Anlise e Previso de Demanda: Estudo de Caso de uma Empresa

Distribuidora de Rolamentos. Dissertao (Mestrado Profissionalizante em Engenharia)
Departamento de Engenharia de Produo e Transportes. Porto Alegre - Universidade Federal
do Rio Grande do Sul, 2003.

PELLEGRINI, F. R. Metodologia para implementao de sistemas de previso de

demanda. Dissertao (Mestrado em Engenharia de Produo) - Departamento de
Engenharia de Produo e Transportes. Porto Alegre Universidade Federal do Rio Grande
do Sul, 2000.

PELLEGRINI, F. R; FOGLIATTO, F. S. Passos para implementao de sistemas de

previses de demanda: tcnicas e estudo de caso. Revista Produo, v. 11, n. 1, 2001.

SANDRINI, L. G.; DE MESQUITA, M. A. O trade-off entre a folga na capacidade de

produo e o nvel de estoque. Revista Gesto Industrial, v. 4, n. 4, 2008.

SILVA, B. F. A.; SOARES, R. F.; PATRCIO, S. M.; MELO, L. A.; LINS, L. N.; Seleo de
poltica de reposio de estoques por teoria de deciso. XLIII Simpsio Brasileiro de
Pesquisa Operacional. Ubatuba SP, 2011.

SLACK, N.; CHAMBER, S.; HARLAND, C. HARRISON, A.; JOHNSTON, R.;

Administrao da Produo. 2 ed. - So Paulo: Atlas, 2007.

WERNER, L.; RIBEIRO, J. L. D. Previso de demanda: uma aplicao dos modelos Box-
Jenkins na rea de assistncia tcnica de computadores pessoais. Revista Gesto &
Produo, v. 10, n. 1, 2003.

WERNER, L. Um modelo composto para realizar previso de demanda atravs da

integrao de combinao de previses e do ajuste baseado na opinio. Tese (Doutorado
em Engenharia de Produo) - Departamento de Engenharia de Produo e Transportes. Porto
Alegre Universidade Federal do Rio Grande do Sul, 2004.

WERNER, L.; RIBEIRO, J. L. D. Modelo composto para prever demanda atravs da

integrao de previses. Revista Produo, v. 16, n. 3, 2006.

WERNER, L.; LEMOS, F. O.; DAUDT, T. K.. Previso de demanda e nveis de estoque uma
abordagem conjunta aplicada no setor siderrgico. XIII Simpsio de Engenharia de
Produo. Bauru - SP, 2006.